低次元化モデリング

正確な代理の作成による Simulink^® モデルの計算量の削減

低次元化モデリングは、満足できる誤差内で期待される忠実度を維持しながら、モデルの計算量やストレージ要件を削減する手法です。低次元化モデルを使用すると、解析および制御設計を簡略化できます。

忠実度の高い最大次数のサードパーティシミュレーションモデルなど、Simulink でモデル化されたサブシステムの低次元化モデル (ROM) を作成できます。これらのモデルは、システムレベルのデスクトップシミュレーション、ハードウェアインザループ (HIL) テスト、制御設計、バーチャルセンサーモデリングに使用できます。

Simulink モデルやモデル内のサブシステムの ROM を UI ワークフローを使用して作成するには、Reduced Order Modeling Support Package をインストールします。詳細については、File Exchange で Reduced Order Modeling Support Package を参照してください。

トピック

低次元化モデリングの基礎

Reduced Order Modeling (System Identification Toolbox)
Reduce computational complexity of models by creating accurate surrogates.

データ駆動型の手法

Reduced Order Modeling of Electric Vehicle Battery System Using Neural State-Space Model (System Identification Toolbox)
This example shows a reduced order modeling (ROM) workflow, where you use deep learning to obtain a low-order nonlinear state-space model that serves as a surrogate for a high-fidelity battery model. The low-order model takes the current (charge or discharge) and state of charge (SOC) as inputs and predicts voltage and temperature of an electric vehicle (EV) battery module while the battery is being cooled by an edge-cooled plate with a coolant at a constant flow rate. You train the low-order model and deploy it in Simulink® to compare it against the high-fidelity model.
Surrogate Modeling Using Gaussian Process-Based NLARX Model (System Identification Toolbox)
In this example, you replace a hydraulic cavitation cycle model in Simulink with a surrogate nonlinear ARX (NLARX) model to facilitate faster simulation.
Simulink における LSTM ネットワークを使用した物理システムのモデリング (Deep Learning Toolbox)
この例では、長短期記憶 (LSTM) ニューラルネットワークを使用して、Simulink® モデルでバーチャルセンサーとして機能する低次元化モデル (ROM) を作成する方法を示します。

線形化ベースの手法

昇圧コンバーターモデルの LPV 近似 (Simulink Control Design)
線形パラメーター変動モデルを使用して非線形の Simscape™ Electrical™ モデルを近似する。
Model Reducer アプリを使用したモデル次数の低次元化 (Control System Toolbox)
重要なダイナミクスを維持した状態でモデル次数を対話的に低次元化する。
Sparse Modal Truncation of Linearized Structural Beam Model (Control System Toolbox)
Compute a low-order approximation of a sparse state-space model obtained from linearizing a structural beam model. (R2023b 以降)
システム同定を使用したモデルコンポーネントの線形化の指定 (Simulink Control Design)
System Identification Toolbox™ ソフトウェアを使用すると、適切に線形化されていないモデルコンポーネントの線形システムを特定し、特定されたシステムを使用して線形化を指定できます。
Reduced Order Modeling of a Nonlinear Dynamical System as an Identified Linear Parameter Varying Model (System Identification Toolbox)
Identify a linear parameter varying reduced order model of a cascade of nonlinear mass-spring-damper systems.
LTI システムの配列を使用した非線形動作の近似 (Simulink Control Design)
線形パラメーター変動モデルを使用して非線形システムのダイナミクスを近似できます。

物理学に基づく手法

可とう体としての掘削機ディッパーアームのモデル化 (Simscape Multibody)
Reduced Order Flexible Solid ブロックを使用して、任意のジオメトリの変形可能なボディをモデル化する。ボディの CAD ジオメトリから開始して、有限要素メッシュを生成し、ブロックで使用する低次元化されたデータを生成する。
Improve Simulation Speed of Power Electronics Systems with Reduced Order Modeling (Simscape Electrical)
This example shows how to enhance the model simulation speed of an electro-thermal DC-DC step-down converter by converting a high-fidelity switch to a reduced order model (ROM) switch. This conversion enables faster design iterations and analysis. (R2024b 以降)